来源：期刊VIP网 时间：
作者：王伟;汪文东;游鹏;肖泽鑫;安博文;崔桂艳;
单位：国家能源集团东台海上风电有限责任公司;国华(江苏)风电有限公司;上海安馨信息科技有限公司;
摘要：【目的】桩基冲刷及海缆登陆段的冲刷监测常采用多波束（侧扫）声呐方法进行扫描测量，根据扫测图像评判冲刷程度，但该方法缺乏实时性，仅在运维时间才获取相关数据。目前海缆冲刷监测常采用温度和振动分析，但现场采集的分布式光纤传感信号具有非平稳、非线性且易受噪声干扰的特点，同时存在单一传感器提取特征信息不完备的问题，文章提出了一种基于优化变分模态分解（VMD）、格拉姆角场（GAF）和多尺度卷积神经网络（MCNN）的多传感融合海缆裸露状态识别方法，提高了登陆段海缆裸露状态识别的准确率。【方法】文章所提优化VMD-GAF-MCNN使用信号处理和深度学习的方法实现。首先，提出一种基于希尔伯特变换（HT）计算包络峰度最大值的VMD模数优化方法，利用优化VMD对分布式光纤传感信号进行分解，并利用相关系数法筛选本征模态分量（IMF），提取各阶IMF与原始信号相关系数最大的IMF分量；其次，提出一种GAF二维图像编码方法，利用GAF将分布式光纤测温系统（DTS）和分布式光纤声学传感系统（DAS）采集的光纤温度和振动信号筛选出的IMF分量编码成二维图像；最后，设计MCNN结构，随机划分训练集和测试集，将训练集输入网络进行训练，测试集验证网络的有效性，实现海缆裸露状态识别。【结果】利用现场采集的海缆光纤温度和振动数据进行验证，测试准确率达到99.85%，相较于单一传感器分别提高了0.95%和0.85%。【结论】文章所提方法能够准确识别登陆段海缆裸露状态，为制定海缆运维策略提供技术支撑。
关键词：模式识别;;多传感融合;;优化变分模态分解;;格拉姆角场;;多尺度卷积神经网络
